TEKNOLOGI INFORMASI DAN LITERASI DATA

CBR (CRICTICAL BOOK REVIEW)

i
 KATA PENGANTAR

Puji syukur kehadiran Tuhan Yang Maha Kuasa karena telah memberikan kesempatan
kepada kami untuk menyelesaikan tugas cjr ini.Atas rahmat dan kasihnya sehingga kami
dapat menyelesaikan tugas critcal book riveuw ini tepat waktu.

Tugas critcal book riveuw ini disusun guna memenuhi tugas dosen pada mata kuliah
Teknologi dan Informasi Data di Universitas Negeri Medan.Selain itu , penulis juga berharap
agar makalah ini dapat menambah wawasan bagi pembaca.

Kami mengucapkan terimakasih sebesar-besarnya kepada Bapak Sudianto

Manullang,M.Sc selaku dosen mata kuliah Teknologi dan Informasi Data . Tugas yang telah
diberikan ini dapat menambah pengetahuan dan wawasan terkait bidang yang kami
tekuni.Kami juga mengucapkan terima kasih kepada semua pihak yang telah membantu
proses penyusunan makalah ini.

Kami menyadari makalah ini masih jauh dari kata sempurna. Kritik dan saran yang
membangun akan kami terima demi kesempurnaan makalah ini.

Medan, 16 November 2022

Kelompok 5

ii
 DAFTAR ISI

KATA PENGANTAR..............................................................................................................ii
DAFTAR ISI...........................................................................................................................iii
BAB I.........................................................................................................................................1
PENGANTAR..........................................................................................................................1
A. Rasionalisasi Pentingnya Cbr..........................................................................................1
B. Tujuan Penulisan.............................................................................................................1
C. Manfaat Cbr....................................................................................................................1
BAB II.......................................................................................................................................3
PEMBAHASAAN....................................................................................................................3
2.1 RINGKASAN BUKU 1...................................................................................................3
2.2 Kelebihan Dan Kekurangan Buku...............................................................................6
2.3 Ringkasan Buku 2.............................................................................................................7
2.4 Kelebihan Dan Kekurangan Buku.............................................................................12
BAB III....................................................................................................................................13
KESIMPULAN.......................................................................................................................13
DAFTAR PUSTAKA.............................................................................................................14

iii
 BAB I

PENGANTAR
A. Rasionalisasi Pentingnya Cbr

Penyusunan critical book report ini khusus ditujukan untuk memenuhi tugas
mata kuliah Teknologi Informasi dan Literasi Data . Tugas ini dimaksudkan
supaya para mahasiswa memahami dan menguasai cara mengkritik buku. Dan
juga lebih bisa membandingkan dan mendapatkan intisari dari setiap buku
yang dirangkum.

B. Tujuan Penulisan
 Melengkapi tugas dari mata kuliah Teknologi Informasi dan Literasi Data
 Menanambah pengetahuan tentang statika dan kegunaannya.
 Meningkatkan daya analisa dan pengetahuan berkaitan dengan Teknologi
Informasi dan Literasi Data
 Menguatkan kemampuan melakukan critical book report terhadap suatu buku.

C. Manfaat Cbr
Penulis berharap laporan ini memiliki manfaat bagi kita semua. Baik dari
pembaca maupun penulis sendiri. Diharapkan juga hasil kritikan buku ini
membuat pembaca lebih tertarik untuk ikut serta membaca ulang tentang
buku utama dan buku pembanding yang dijadikan acuan oleh penulis.

1
D. Identitas Buku Yang Direview

BUKU 1

Judul Buku : ANALISIS BIG DATA

Edisi :1
Pengarang : Joseph Teguh Santoso
Penerbit : Yayasan PAT
Tempat Terbit : Semarang
Tahun Terbit : 2021
Tebal Buku : 546 halaman
ISBN : 9 786239 504243

BUKU 2

Judul Buku : Pengantar Data

Science dan
Aplikasinya bagi
Pemula
Editor : Veronica S. Moertini
Mariskha T. Adithia
Penerbit : Unpar Press
Tahun Terbit : 2020
Tempat Terbit : Bandung
Jumlah Halaman : 289
Halaman yang dikritisi : 163 – 182
No. ISBN : 978-623-7879-15-2

BAB II

PEMBAHASAAN
2.1 RINGKASAN BUKU 1

2
Definisi Big Data

Big data adalah kumpulan dari sekumpulan data yang volume, kecepatan, atau
berbagai target yang sulit untuk disimpan, dikelola, diproses, dan dianalisis menggunakan
database tradisional dan alat pemrosesan data. Dalam beberapa tahun terakhir, telah terjadi
pertumbuhan eksponensial dalam data terstruktur dan tidak terstruktur yang dihasilkan oleh
teknologi informasi, industri, perawatan kesehatan, Internet of Things, dan sistem lainnya.
Menurut perkiraan IBM, 2,5 quintillion byte data dibuat setiap hari.

Laporan terbaru dari DOMO memperkirakan jumlah data yang dihasilkan setiap
menit pada platform online populer. Berikut adalah beberapa bagian penting dari data dari
laporan:

• Pengguna Facebook berbagi hampir 4,16 juta konten • Pengguna Twitter mengirim
hampir 300.000 tweet
• Pengguna Instagram menyukai hampir 1,73 juta foto
• Pengguna YouTube mengupload 300 jam konten video baru
• Pengguna Apple mengunduh hampir 51.000 aplikasi
• Pengguna Skype melakukan hampir 110.000 panggilan baru
• Amazon menerima 4300 pengunjung baru
• Penumpang Uber mengambil 694 perjalanan
• Pelanggan Netflix streaming hampir 77.000 jam video

Big Data memiliki potensi untuk mendukung aplikasi pintar generasi berikutnya yang
akan memanfaatkan kekuatan data untuk membuat aplikasi menjadi cerdas. Aplikasi Big
Data menjangkau berbagai domain seperti web, ritel dan pemasaran, perbankan dan
keuangan, industri, perawatan kesehatan, lingkungan, Internet of Things dan sistem fisik
siber.

Analisis Big Data melibatkan beberapa langkah mulai dari pembersihan data, data
munging (atau pertengkaran), pemrosesan dan visualisasi data. Siklus hidup analisis Big Data
dimulai dari pengumpulan data dari berbagai sumber data. Alat dan kerangka kerja khusus
diperlukan untuk mencerna data dari berbagai sumber ke dalam back end analisis Big Data.
Data disimpan dalam solusi penyimpanan khusus (seperti sistem file terdistribusi dan
database non-relasional) yang dirancang sesuai skala. Berdasarkan persyaratan analisis (batch
atau real-time), dan jenis analisis yang akan dilakukan (deskriptif, diagnostik, prediktif, atau
prediktif) digunakan kerangka kerja khusus. Analisis Big Data diaktifkan oleh beberapa

3
teknologi seperti komputasi awan, kerangka kerja pemrosesan terdistribusi dan paralel,
database non-relasional, komputasi dalam memori, misalnya. Beberapa contoh big data
terdaftar sebagai berikut:

• Data yang dihasilkan oleh jejaring sosial termasuk data teks, gambar, audio dan video
• Data aliran klik yang dihasilkan oleh aplikasi web seperti e-Commerce untuk
menganalisis perilaku pengguna
• Mesindapat dikumpulkan dari sensor yang tertanam dalam sistem industri dan energi
untuk memantau kesehatannya dan mendeteksi kegagalan
• Data perawatan kesehatan dikumpulkan dalam sistem catatan kesehatan elektronik
(EHR)
• Log yang dihasilkan oleh aplikasi web
• Data pasar saham
• Data transaksional yang dihasilkan oleh aplikasi perbankan dan keuangan

Karakteristik Big Data

Karakteristik yang mendasari big data meliputi:

1. Volume

Kita sudah tahu bahwa Big Data menunjukkan ‘volume’ data yang sangat besar yang
dihasilkan setiap hari dari berbagai sumber seperti platform media sosial, proses bisnis,
mesin, jaringan, interaksi manusia, dll. Sejumlah besar data disimpan di gudang data. Big
data adalah suatu bentuk data yang volumenya sangat besar sehingga tidak akan muat pada
satu mesin karena itu membutuhkan alat khusus dan kerangka kerja yang diperlukan untuk
memproses dan menganalisis data seperti itu. Misalnya, aplikasi media sosial memproses
miliaran pesan setiap hari, sistem industri dan energi dapat menghasilkan data sensor
berukuran terabyte setiap hari, aplikasi agregasi kabin dapat memproses jutaan transaksi
dalam sehari, dll. Volume data yang dihasilkan dibidang TI modern, industri, perawatan
kesehatan, Internet of Things, dan sistem lainnya tumbuh secara eksponensial didorong oleh
penurunan biaya penyimpanan data dan arsitektur pemrosesan dan kebutuhan untuk
mengekstrak wawasan berharga dari data untuk meningkatkan proses bisnis, efisiensi, dan
layanan kepada konsumen. Meskipun tidak ada batasan tetap untuk volume data yang akan
dianggap sebagai Big Data, namun, biasanya, istilah Big Data digunakan untuk data skala
besar yang sulit untuk disimpan, dikelola, dan diproses menggunakan database tradisional
dan arsitektur pemrosesan data.

4
 2. Kecepatan

Velocity atau kecepatan pada dasarnya mengacu pada kecepatan di mana data sedang
dibuat secara real-time. Dalam prospek yang lebih luas, itu terdiri dari tingkat perubahan,
menghubungkan set data yang masuk dengan kecepatan yang bervariasi, dan aktivitas
meledak. Kecepatan data mengacu pada seberapa cepat data dihasilkan. Data yang dihasilkan
oleh sumber tertentu dapat sampai dengan kecepatan yang sangat tinggi, misalnya data media
sosial atau data sensor. Kecepatan adalah karakteristik penting lainnya dari big data dan
alasan utama pertumbuhan data secara eksponensial. Kecepatan data yang tinggi
mengakibatkan volume data yang terkumpul menjadi sangat besar, tidak lama. Beberapa
aplikasi dapat menyelesaikan tead lines for data analysis (seperti perdagangan atau deteksi
penipuan online) dan datanya perlu dianalisis secara real-time. Alat-alat khusus diperlukan
untuk menangani semua itu dengan kecepatan tinggi untuk memelihara infrastruktur besar
dan menganalisis data secara real-time. Bab 1 : Pengantar Big Data Bagian I 19 Analisis Big
Data

3. Variasi

Model Big Data mengacu pada data terstruktur, tidak terstruktur, dan semi terstruktur
yang dikumpulkan dari berbagai sumber. Sementara di masa lalu, data hanya dapat
dikumpulkan dari spreadsheet dan database, hari ini data hadir dalam berbagai bentuk seperti
email, PDF, foto, video, audio, audio, posting SM, dan banyak lagi lainnya. Sistem Big Data
harus cukup fleksibel untuk menangani beragam data.

4. Veracity (Keakuratan)

Verasiity menyangkut tentang ke-valid-an sebuah data apakah bisa dipercaya atau
tidak. Dengan banyaknya bentuk data, kebenaran tentang sebuah informasi menjadi kurang
terkontrol, seperti contoh sistem akademik sebuah fakultas dimana untuk jenis kelamin
dibedakan menjadi L (laki-laki) dan P (perempuan) sedangkan di sistem akademik fakultas
lain menggunakan P (pria) dan W (wanita). Big data dengan teknologi analisis membantu kita
untuk dapat bekerja dengan data tersebut melalui hasil analisis, karena semakin besar volume
suatu data maka akan semakin tidak akurat data tersebut.

5. Value (Nilai)

Nilai data mengacu pada kegunaan data untuk tujuan yang dimaksudkan. Tujuan akhir
dari sistem analisis Big Data adalah mengekstrak nilai dari data. Nilai data juga terkait

5
dengan kebenaran atau akurasi data. Untuk beberapa aplikasi, nilai juga tergantung pada
seberapa cepat kita dapat memproses datanya

2.2 Kelebihan Dan Kekurangan Buku

A. KELEBIHAN BUKU 1
 Sampul buku terlihat menarik, berwarna dan tulisan di sampul terlihat rapi.
 Tata letak dibuku ini cukup rapi, sehingga pembaca dengan mudah mencari materi
yang diinginkan.
 Identitas dari buku tersebut cukup lengkap, karena banyak buku yang identitas
bukunya tidak lengkap.
 Buku ini banyak menggunakan referensi sehingga materi yang dibahas pada buku ini
tergolong banyak dan lengkap.
 Pada buku ini materi mengenai big data dibahas secara lengkap dan terperinci.
B. KEKURANGAN BUKU 1
 Buku ini ditulis dengan struktur kompleks, sehingga untuk sebagian pembaca tidak
cukup kalau hanya membacanya satu kali.
 Tampilan gambar pada buku ini tergolong sedikit sehingga untuk sebagian pembaca
akan cepat merasa bosan atau kurang tertarik untuk membaca buku ini secara
keseluruhan.
 Buku ini banyak menggunakan istilah-istilah asing, sehingga pembacanya harus
mencari arti dari kata asing itu.

2.3 Ringkasan Buku 2

Seputar Big Data

Dari berbagai pendapat yang dikumpulkan pada penelitian (De Mauro dkk., 2016) big
data didefinisikan sebagai aset informasi yang dicirikan oleh karakteristik 3v, yaitu: volume,
velocity dan variety yang tinggi, yang memerlukan metode dan teknologi tertentu untuk

6
memprosesnya menjadi pengetahuan (knowledge) yang bernilai (value) dalam pengambilan
keputusan.
Mengapa fenomena big data berkembang pesat? Konsep hirarki data–information–
knowledege–wisdom (DIKW) (Rowley, 2007) atau sering disebut sebagai wisdom hierarchy
(Gambar 10.1) memberikan alasan yang masuk akal mengapa fenomena big data begitu
berkembang. Dengan besarnya potensi data yang ada saat ini dan di masa depan, maka besar
juga potensi informasi yang tersedia untuk ditransformasi menjadi pengetahuan (knowledge)
sehingga dapat mengoptimalkan pengambilan keputusan (wisdom)

Dengan demikian, jika big data dapat ditangani dengan baik akan memberikan
manfaat besar bagi organisasi, khususnya semakin bijaksana dalam mengambil keputusan
yang didasarkan atas data (bersifat data driven), sehingga lincah dalam mengambil keputusan
dalam perubahan kondisi lingkungan yang cepat berubah.
Big data dicirikan dengan karakteristik big data menurut (De Mauro dkk., 2016)
adalah 3v yaitu: volume, velocity dan variety yang tinggi. Secara umum batasan tinggi dalam
konteks big data mengikuti hukum Moore (Moore, 2006). Namun demikian, saat ini
karakteristik big data digambarkan seperti pada Gambar:

Big data memiliki karakteristik volume yang tinggi, dari terabytes ke zettabytes. Hal
ini berkonsekuensi pada kapasitas penyimpanan dan kapasitas pemrosesan data yang tidak
dapat ditangani oleh metode dan teknologi informasi konvensional saat ini. Metode dan
teknik penyimpanan yang diterapkan hingga saat ini mengarah pada pemrosesan secara
paralel pada lingkungan sistem terdistribusi, baik dari sisi media penyimpanan maupun
pemrosesannya. Karakteristik big data lebih detail dapat dilihat pada Gambar:

7
 Karakteristik velocity pada big data mengubah sudut pandang pemrosesan data secara
batch, menjadi pemrosesan data secara dinamis. Dengan demikian data tidak lagi dilihat
secara statis, namun secara dinamis sebagai stream. Selain sebagai data stream, big data juga
berkaitan dengan pergerakan data dalam jumlah besar (high volume movement) seperti data
spasial, citra, dan lainnya.
Masalah utama big data dikenal dengan istilah fenomena data deluge, suatu fenomena
dimana laju pertumbuhan data lebih tinggi dari pada laju kemampuan memproses dan
menganalisis data suatu organisasi.
Teknologi big data merupakan teknologi khusus yang diperuntukkan untuk
menangani masalah big data. Untuk menangani masalah volume, teknologi big data
menggunakan teknik penyimpanan dan pemrosesan data terdistribusi. Masalah velocity
ditangani dengan menggunakan pemrosesan stream dan terdistribusi. Sedangkan masalah
variety ditangani menggunakan teknik integrasi data dan penyimpanan data tidak terstruktur
(on write). Penentuan struktur dilakukan pada saat proses pembacaan data tersebut (on read).

8
Pada Gambar dapat kita lihat berbagai platform teknologi pemrosesan big data yang telah
dikumpulkan pada penelitian (Bajaber dkk., 2016). Berdasar platorm pemrosesan big data,
teknologi tersebut dapat dikelompokkan menjadi:
• umum (general purpose), seperti Hadoop, Spark, Flink, Tez
• pemroses query (big SQL), seperti: Hive, Spark SQL, Implala, HawQ, IBM Big SQL
• pemroses big graph, seperti: pregel, graphLab, GraphX,
• pemroses big stream, seperti: Storm, S4, Infosphere stream, flink, dan Spark Stream.
Arsitektur Teknologi Big Data
Untuk mengatasi masalah big data, maka teknologi big data bukanlah suatu teknologi
tunggal. Oleh karena itu, kita perlu melihatnya secara menyeluruh dan secara detail melalui
arsitektur teknologi big data seperti pada Gambar.

Arsitektur teknologi big data menggambarkan komponen-komponen yang diperlukan,

dan interaksi antar komponen sehingga sistem big data secara keseluruhan dapat berjalan.

9
 S1 sampai Sn adalah sumber (source) dari big data, seperti sensor, aplikasi media
sosial (Twitter stream, Facebook, Instragram, dll), web berita (news), satelit, basis data, dan
sumber lainnya. Kita memerlukan teknologi untuk mengumpulkan data dari sumber big data.
Pengumpulan data dapat dilakukan dengan 2 cara, yaitu:
• menggunakan aplikasi yang dibuat khusus untuk memproses big data (process – P1
sampai Pn), misalnya: untuk mengambil data Twitter, kita dapat membuat aplikasi
penangkap data Twitter (Twitter stream capture), atau
• menggunakan aplikasi yang sudah jadi sebagai mediator (middleware - M).

Ekosistem Hadoop
Teknologi big data yang sangat populer saat ini adalah teknologi Hadoop.
Kepopuleran Hadoop didukung oleh ketersediaanya sebagai proyek Free Open Source
Software (FOSS) yang dikelola oleh Apache, sehingga tersedia bagi semua kalangan dan
mendapat masukan dari para developer di seluruh dunia. Kumpulan teknologi yang bekerja di
atas platform teknologi Hadoop sering disebut sebagai Ekosistem Hadoop (Hadoop
Ecosystem). Teknologi ini saling bekerjasama untuk memberikan solusi pemrosesan big data.
Beberapa teknologi kita bahas lebih detail terutama fungsinya dalam pemrosesan big data,
antar lain:
 HDFS: merupakan komponen dari Apache Hadoop yang paling mendasar. HDFS
singkatan Hadoop Distributed File System, merupakan sistem file terdistribusi.
 Map Reduce: merupakan framework pemrograman terdistribusi yang dapat
diterapkan terhadap data yang tersimpan pada HDFS. Pemrograman native pada
Map Reduce menggunakan bahasa Java. Program dieksekusi pada Datanode
dimana data yang diproses disimpan. Namun demikian Map Reduce hanya
mendukung pemrogramanan paralel model batch (Paralell Batch Processing).
 HBase: merupakan sistem basis data berbasis kolom (columnar database system).
Pada basis data ini, data disimpan dalam bentuk pasangan key-value. Hbase
berjalan di atas HDFS dan memiliki komponen pemroses terdistribusi, yaitu:
Hbase Master (Hmaster) yang menyimpan meta data dan Regionserver yang
menyimpan data nyata.
 Hive: merupakan sistem pemroses data yang berjalan di atas Map Reduce namun
memiliki antarmuka akses berbasis Structure Query Language (SQL). Data yang
tersimpan pada HDFS maupunHBase dapat diakses menggunakan perintah-
perintah SQL.
 Spark: merupakan pemroses data berbasis memori. Jika Map Reduce cocok untuk
pemrosesan batch, maka untuk pemrosesan online yang menggunakan iterasi
berulang-ulang, Spark sangat cocok digunakan. Spark menjalankan aplikasi
menggunakan Directed Acyclic Graph (DAG).
 Sqoop: merupakan kakas (tool) yang sangat efisien untuk mentransfer data dari
Hadoop (HDFS dan HBase) ke penyimpanan data terstruktur seperti basis data

10
 relasional (Relational Database Management System - RDBMS) dan sebaliknya
(atau ekspor/ impor data Hadoop-RDBMS).
 Flume: merupakan kakas (tool) yang menyediakan layanan pengumpulan
(collecting), agregasi (agregating), dan pemindahan (moving) data log sekala
besar. Flume dapat berjalan secara terdistribusi, reliabel dan memiliki tingkat
ketersediaan (availability) yang tinggi.
 R Hadoop & Spark: merupakan bahasa pemrograman yang kaya akan fungsi dan
pustaka (library) statistik. R sangat powerfull digunakan untuk analisis data
berbasis statistik. R telah memiliki versi yang dapat berjalan di atas Hadoop (R-
Hadoop) dan dapat berjalan memanfaatkan Spark (Spak-R).

 Kafka: merupakan platform stream yang memiliki kemampuan menangani

pengelolaan distribusi pesan berbasis protokol publish-subscribe untuk data
stream dalam skala besar. Kafka cocok digunakan untuk aplikasi yang memiliki
aksi tertentu yang dipicu oleh event data stream.

Teknologi Big Data Komersial

Selain teknologi open source yang tergabung pada ekosistem Hadoop, telah tersedia
beberapa platform teknologi komersial yang berbasis cloud computing. Beberapa teknologi
tersebut dapat menjalankan ekosistem Hadoop di dalamnya baik secara langsung atau dengan
modifikasi sehingga memiliki fungsi yang sejenis.

Contoh Penggunaan Teknologi Big Data

Berikut ini diberikan contoh penggunaan teknologi big data untuk mengantisipasi
penyebaran berita bohong (hoax). Misalkan berita yang ditangani bersumber dari media
sosial Twitter. Analisis hoax atau tidak dilakukan menggunakan algoritma machine learning
berupa algoritma clustering dan klasifikasi. Hasil analisis dikirimkan ke situs
www.antihoax.id yang memiliki basis data MySQL enterprise.
Arsitektur teknologi dari contoh kasus di atas dapat dilihat pada Gambar:

11
 Pada Gambar dapat dilihat bahwa data Twitter dikumpulkan menggunakan middleware
Flume atau Kafka. Hasil pengumpulan data ini diproses secara real time (waktu nyata)
menggunanan aplikasi yang berjalan di atas Spark. Aplikasi ini mengakses pustaka (library)
Spark Stream untuk menangani data stream yang dipropagasi dari Flume/Kafka, kemudian
dilakukan analisis menggunakan algoritma Machine Learning dari Spark MLLib. Hasil
analisis tersebut dikumpulkan dan dianalisis lebih lanjut menggunakan Spark SQL, lalu
hasilnya disimpan di HDFS. Kemudian, dengan memanfaatkan Scoop, hasil analisis di HDFS
itu pada setiap waktu tertentu diekspor ke basisdata MySQL yang menjadi bagian dari sistem
situs www.antihoax.id. Dengan tersedianya hasil analisis berita Twitter yang senantiasa up to
date di basisdata itu, situs www.antihoax.id dapat mempublikasikan berita-berita dari Twitter
mana saja yang termasuk hoax.
Dengan menggunakan teknologi big data, maka data Twitter yang mengalir dengan
sangat cepat dan menumpuk hingga berukuran sangat besar dapat ditangani. Pemrosesan data
secara real time dan sinkronisasi hasil analisis ke situs www.antihoax.id juga dimungkinkan.

2.4 Kelebihan Dan Kekurangan Buku

A. KELEBIHAN BUKU 2
 Buku sudah memiliki ISBN
 Memiliki daftar isi lengkap tentang materi yang dipaparkan tiap babnya
 Materi yang dipaparkan dalam buku pada setiap babnya lengkap
 Pada materi materi yang di jelaskan, ada setidaknya 1 gambar yang akan
mempermudah penjelasan materi yang di tuliskan
 Cara penerangan materi yang menarik dan mudah dipahami
 Setiap akhir bab terdapat kesimpulan yang mencakup secara singkat
materi materi yang telah di sampaikan
 Setiap akhir bab terdapat referensi terkait materi materi yang di paparkan
 Memiliki bio data tentang penulis dan editor buku
 Memiliki Program Data Science UNPAR
B. KEKURANGAN BUKU 2
 Judul Buku yang kurang variatif
 Memiliki beberapa istilah – istilah asing, yang menyebabkan beberapa
pembaca tidak mengerti apa maksud dari istilah tersebut
 Tidak memiliki daftar pustaka
 Tidak memiliki latihan soal guna melatih pengetahuan dari materi yang
telah di paparkan

12
 BAB III

KESIMPULAN
Big data merupakan aset informasi yang penting yang jika ditangani dengan baik akan
memberikan manfaat penting dalam pengambilan keputusan organisasi dan bersifat data
driven. Karakteristik volume yang besar, kecepatan yang tinggi dan sumber serta format yang
beragam memerlukan teknologi pemrosesan yang khusus agar tidak menimbulkan masalah
data deluge.
Pada bab ini telah dibahas teknologi big data, yang melingkup arsitektur, teknologi
populer yang free dan open source serta teknologi komersial yang berbasis cloud computing.
Pada bagian akhir juga sudah diberikan contoh kasus pemanfaatan teknologi big data.
Dengan paparan pada bab ini, diharapkan para pembaca memiliki pemahaman awal tentang
teknologi big data beserta pemanfaatannya.

13
 DAFTAR PUSTAKA

Santoso, Joseph Teguh. (2021). ANALISIS BIG DATA. Yayasan PAT, Semarang. Tersedia
di: https://digilib.stekom.ac.id/ebook/view/analisis-big-data

Pengantar DATA SCIENCE dan APLIKASINYA bagi PEMULA oleh : Program Data
Science E ditor : Veronica S. Moertini, Mariskha T. Adithia. Tersedia di :

https://informatika.unpar.ac.id/wp-content/uploads/sites/19/2020/12/
PengantarDataScience_dan_Aplikasinya_bagi_Pemula.pdf

14